論文の概要: Machine Learning for Identifying Potential Participants in Uruguayan Social Programs

• arxiv url: http://arxiv.org/abs/2504.01045v1
• Date: Mon, 31 Mar 2025 15:30:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:25:25.742464
• Title: Machine Learning for Identifying Potential Participants in Uruguayan Social Programs
• Title（参考訳）: ウルグアイ社会プログラムにおける潜在的参加者同定のための機械学習
• Authors: Christian Beron Curti, Rodrigo Vargas Sainz, Yitong Tseo,
• Abstract要約: 本研究は,ウルグアイの家族支援プログラムであるCrece Contigo Family Support Program(PAF)に参加するための家族選択プロセスの最適化について,機械学習を用いて検討する。 対象は4歳未満の妊婦と小児である。 主な目的は、家族がプログラムへの受け入れ条件を満たすかどうかを判断できる予測アルゴリズムを開発することである。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This research project explores the optimization of the family selection process for participation in Uruguay's Crece Contigo Family Support Program (PAF) through machine learning. An anonymized database of 15,436 previous referral cases was analyzed, focusing on pregnant women and children under four years of age. The main objective was to develop a predictive algorithm capable of determining whether a family meets the conditions for acceptance into the program. The implementation of this model seeks to streamline the evaluation process and allow for more efficient resource allocation, allocating more team time to direct support. The study included an exhaustive data analysis and the implementation of various machine learning models, including Neural Networks (NN), XGBoost (XGB), LSTM, and ensemble models. Techniques to address class imbalance, such as SMOTE and RUS, were applied, as well as decision threshold optimization to improve prediction accuracy and balance. The results demonstrate the potential of these techniques for efficient classification of families requiring assistance.
• Abstract（参考訳）: 本研究は,ウルグアイの家族支援プログラムであるCrece Contigo Family Support Program(PAF)に参加するための家族選択プロセスの最適化について,機械学習を用いて検討する。 対象は4歳未満の妊婦と小児である。 主な目的は、家族がプログラムへの受け入れ条件を満たすかどうかを判断できる予測アルゴリズムを開発することである。 このモデルの実装は、評価プロセスを合理化し、より効率的なリソース割り当てを可能にし、より多くのチームタイムを直接的なサポートに割り当てようとしている。 この研究には、網羅的なデータ分析と、ニューラルネットワーク(NN)、XGBoost(XGB)、LSTM、アンサンブルモデルなど、さまざまな機械学習モデルの実装が含まれていた。 SMOTEやRASのようなクラス不均衡に対処する手法や、予測精度とバランスを改善するための決定しきい値最適化を適用した。 以上の結果から,これらの技術が支援を必要とする家族の効率的な分類に有用であることが示唆された。

関連論文リスト

• Accurate Multi-Category Student Performance Forecasting at Early Stages of Online Education Using Neural Networks [2.195766695109612]
  本研究では,学生のパフォーマンスを正確に予測できるニューラルネットワークに基づく新しいアプローチを提案する。 提案したモデルは、識別、フェイル、パス、ウィズドローのカテゴリでの結果を予測する。 その結果,提案手法の予測精度は既存の最先端技術よりも約25%高いことがわかった。
  論文  参考訳（メタデータ） (2024-12-08T13:37:30Z)
• Leveraging AI for Enhanced Software Effort Estimation: A Comprehensive Study and Framework Proposal [2.8643479919807433]
  本研究は,従来の手法の限界を克服し,精度と信頼性を向上させることを目的とする。 提案されたAIベースのフレームワークは、プロジェクトの計画とリソース割り当てを強化する可能性を秘めている。
  論文  参考訳（メタデータ） (2024-02-08T08:25:41Z)
• A Survey of Contextual Optimization Methods for Decision Making under Uncertainty [47.73071218563257]
  この記事では、データからポリシーを学ぶための3つの主要なフレームワークを特定し、その強みと限界について論じる。 統一的な表記と用語の下で既存のモデルとメソッドを示し、これらを3つの主要なフレームワークに従って分類する。
  論文  参考訳（メタデータ） (2023-06-17T15:21:02Z)
• A Reinforcement Learning-assisted Genetic Programming Algorithm for Team Formation Problem Considering Person-Job Matching [70.28786574064694]
  解の質を高めるために強化学習支援遺伝的プログラミングアルゴリズム(RL-GP)を提案する。 効率的な学習を通じて得られる超ヒューリスティックなルールは、プロジェクトチームを形成する際の意思決定支援として利用することができる。
  論文  参考訳（メタデータ） (2023-04-08T14:32:12Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• The Neural Process Family: Survey, Applications and Perspectives [40.800706337651526]
  ニューラルプロセスファミリー(NPF)は、メタ学習予測の不確実性にニューラルネットワークを活用することによって、両方の世界の長所を提供する。 私たちは、他の深層学習分野のいくつかの最近の進歩を、ひとつの傘の下で実現する可能性に光を当てました。
  論文  参考訳（メタデータ） (2022-09-01T15:01:32Z)
• Towards Explainable Metaheuristic: Mining Surrogate Fitness Models for Importance of Variables [69.02115180674885]
  4つのベンチマーク問題を用いて代理モデルを訓練し、代理モデルによる探索空間の学習について検討する。 代々の人口データに基づいて学習した結果,サロゲートモデルが問題の鍵となる特徴を抽出できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-31T09:16:18Z)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)
• A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
  本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。 我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。 我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
  論文  参考訳（メタデータ） (2020-11-17T22:24:26Z)
• A Human-Centered Review of the Algorithms used within the U.S. Child Welfare System [17.161947795238916]
  アメリカ児童福祉制度(CWS)は、養育青年の成果の改善を担っているが、過大評価され、資金が不足している。 いくつかの州は、コストを削減し、CWSの結果を改善するためのより良いプロセスを決定するために、アルゴリズムによる意思決定システムに向かっている。 我々は、CWSで使われている計算システムに関する50の査読論文を合成し、それらの開発状況、使用する予測器の共通特性、および対象とする結果を評価する。
  論文  参考訳（メタデータ） (2020-03-07T09:16:12Z)
• An evaluation of machine learning techniques to predict the outcome of children treated for Hodgkin-Lymphoma on the AHOD0031 trial: A report from the Children's Oncology Group [0.0]
  生存分析における機械学習アルゴリズムの可能性について検討する。 我々は改善したいCoxPHモデルの弱点について論じる。 我々は、人工知能の最近の進歩の恩恵を享受したい実践者のためにレコメンデーションを作成します。
  論文  参考訳（メタデータ） (2020-01-15T20:03:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。